一种基于人工智能的片烟杂物检测系统的制作方法

本发明属于烟草生产技术领域，具体讲就是涉及了一种基于人工智能的片烟杂物检测系统，利用现有技术混合使用对烟叶流水线杂质进行检测。

背景技术：

近年随着生活水平的提高，消费者对各个档次的香烟品牌有了更高且多样化的要求，随着烟叶产地的多元化使香烟的品质控制受到更加重视，其中制丝环节的烟叶杂质剔除环节由于杂质种类繁多、杂质与非杂质难以剥离、流水线流速快等因素在部分除杂环节依然依赖工作人员的知识经验和技能的熟练程度进行人工辨识和剔除工作，但随着品控要求的提高，产量的扩大现有的人工除杂的方式已经无法满足生产的需要。因此如何在保证品控水平的前提下，减少对人的知识经验、注意力、反应速度的依赖程度，降低工作人员的劳动强度成为烟叶除杂生产过程中需要解决的技术难题。

技术实现要素：

为了解决上述存在的问题，本发明提出一种基于人工智能的片烟杂物检测系统，从流水线上快速运动的混有杂质的原材料中找出杂质，并以混合现实技术将标识后的结果投射到流水线的原材上，方便工作人员以视觉方式辨别，提高除杂效率和准确度，降低了工人的劳动强度。

为了实现上述目的，本发明采用以下方案，

一种基于人工智能的片烟杂物检测系统，其特征在于：它包括图像采集装置、图像处理装置、图像输出装置、传送带、杂质、非杂质、采集的图像、输出的图像和标记，所述的图像采集装置与所述的图像处理装置相连，将所述的采集的图像传输给所述的图像处理装置，所述的图像处理装置与所述的图像输出装置相连，将所述的输出的图像传输给所述的图像输出装置。

进一步地，上述基于人工智能的片烟杂物检测系统的检测方法，包括以下几个步骤：(1)将图像采集装置拍摄到的流水线的图像传给图像处理装置；(2)图像处理装置识别图像上杂物的位置及尺寸；(3)图像处理装置把图像采集装置的图像上杂物的位置坐标转换为图像输出装置的图像的坐标及尺寸；(4)图像处理装置生成标识出杂物区域的图像，传输给图像输出装置；(5)图像输出装置将图像以人眼可见的方式展示。

进一步地，所述步骤(1)中图像采集装置固定在流水线的上方，将拍摄的范围覆盖需要检测的流水线的区域，该区域至少需要包含可能掺杂着杂质的原材料以及传送带。

进一步地，所述步骤(1)中图像采集装置使用摄像机或照相机或红外接收器或超声波接收器可以接收可见光、非可见光、声波、震动、电磁信号灯物理特征并将其转化为数字或模拟信号的传感器，图像可以在图像采集装置合成也可以将原始数据传输到图像处理装置后合成。

进一步地，所述步骤(2)中图像处理装置对采集到的图像中的物体进行识别，判断哪些为杂质哪些为非杂质，并计算杂质在图像中坐标及尺寸。

进一步地，所述步骤(3)中图像处理装置将获得的杂质在采集图像中的坐标及尺寸转换到投射图像中的坐标及尺寸，传输到下一步。

进一步地，所述转换的方式使用基于非线性模型的空间映射。

进一步地，所述非线性模型的空间映射包括神经网络或支持向量机或逻辑回归方式。

进一步地，所述步骤(3)中用于坐标转换的模型需要进行预先标定，标定步骤包括:(a)先约定一个易于识别点或圆圈的作为特征；(b)生成一幅包含此识别特征的图像；(c)使用已固定位置和角度的图像输出设备投射此幅图像到流水线上；(d)然后使用已固定位置和角度的图像采集设备拍摄这幅投射的图像，通过k-means或dbscan的聚类算法推测出属于该特征的点的集合；(e)根据点的集合的坐标计算出该集合的中心点位置、宽度和高度；(f)采集图像上的中心点作为模型的输入样本、投射图像上的中心点作为模型的输出样本进行保存；(g)不断重复步骤(b)至(f)，使输入样本尽可能覆盖图像输出设备的整个投射区域；(h)使用已获得的输入输出样本训练非线性模型，使之能够通过采集图像的某个中心点坐标、宽度和高度推测出投射图像中对应点的中心点坐标、宽度和高度。

进一步地，所述步骤(h)中图像处理装置将获得中心点坐标、宽度和高度以拥有中心点坐标、宽度及高度的椭圆或矩形作为易于工作人员辨认的简单图形生成以黑色为背景、以亮色为图形标识的投射图像传输给步骤(5)；所述图像输出装置将投射图像投射到流水线上；所述图像输出装置包括光学投影仪或激光投影仪或激光指示器。

有益效果

本发明提供的一种基于人工智能的片烟杂物检测系统，通过混合现实和机器学习的方式对流水线上原料中掺杂的杂质进行识别并以人可见的方式进行标识，提高杂质识别的时效性、识别标准的一致性，降低了对人员的知识经验、反映速度、技能的熟练程度以及长时间工作的注意力的依赖程度，有效地保证了品质控制的要求。

附图说明

图1为本发明实施例的系统结构示意图；

图2为本发明实施例检测方法流程图；

图3为本发明的转换模型的校正方式的工作流程图。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。

需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。

在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在本发明的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。

在本申请中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本申请中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

如图1所示，一种基于人工智能的片烟杂物检测系统，其特征在于：它包括图像采集装置1、图像处理装置2、图像输出装置3、传送带4、杂质5、非杂质6、采集的图像7、输出的图像8和标记9，所述的图像采集装置1与所述的图像处理装置2相连，将所述的采集的图像7传输给所述的图像处理装置2，所述的图像处理装置2与所述的图像输出装置3相连，将所述的输出的图像8传输给所述的图像输出装置3。

如图2-3所示，上述基于人工智能的片烟杂物检测系统的检测方法，包括以下几个步骤：(1)将图像采集装置拍摄到的流水线的图像传给图像处理装置；(2)图像处理装置识别图像上杂物的位置及尺寸；(3)图像处理装置把图像采集装置的图像上杂物的位置坐标转换为图像输出装置的图像的坐标及尺寸；(4)图像处理装置生成标识出杂物区域的图像，传输给图像输出装置；(5)图像输出装置将图像以人眼可见的方式展示。

所述步骤(1)中图像采集装置固定在流水线的上方，将拍摄的范围覆盖需要检测的流水线的区域，该区域至少需要包含可能掺杂着杂质的原材料以及传送带。所述步骤(1)中图像采集装置使用摄像机或照相机或红外接收器或超声波接收器可以接收可见光、非可见光、声波、震动、电磁信号灯物理特征并将其转化为数字或模拟信号的传感器，图像可以在图像采集装置合成也可以将原始数据传输到图像处理装置后合成。所述步骤(2)中图像处理装置对采集到的图像中的物体进行识别，判断哪些为杂质哪些为非杂质，并计算杂质在图像中坐标及尺寸。所述步骤(3)中图像处理装置将获得的杂质在采集图像中的坐标及尺寸转换到投射图像中的坐标及尺寸，传输到下一步。所述转换的方式使用基于非线性模型的空间映射。所述非线性模型的空间映射包括神经网络或支持向量机或逻辑回归方式。

上述步骤(3)中用于坐标转换的模型需要进行预先标定，标定步骤包括:(a)先约定一个易于识别点或圆圈的作为特征；(b)生成一幅包含此识别特征的图像；(c)使用已固定位置和角度的图像输出设备投射此幅图像到流水线上；(d)然后使用已固定位置和角度的图像采集设备拍摄这幅投射的图像，通过k-means或dbscan的聚类算法推测出属于该特征的点的集合；(e)根据点的集合的坐标计算出该集合的中心点位置、宽度和高度；(f)采集图像上的中心点作为模型的输入样本、投射图像上的中心点作为模型的输出样本进行保存；(g)不断重复步骤(b)至(f)，使输入样本尽可能覆盖图像输出设备的整个投射区域；(h)使用已获得的输入输出样本训练非线性模型，使之能够通过采集图像的某个中心点坐标、宽度和高度推测出投射图像中对应点的中心点坐标、宽度和高度。所述步骤(h)中图像处理装置将获得中心点坐标、宽度和高度以拥有中心点坐标、宽度及高度的椭圆或矩形作为易于工作人员辨认的简单图形生成以黑色为背景、以亮色为图形标识的投射图像传输给步骤(5)；所述图像输出装置将投射图像投射到流水线上；所述图像输出装置包括光学投影仪或激光投影仪或激光指示器。

本实施例中的图像采集装置采用拥有gige的彩色工业相机以1/960秒的快门速度对流水线进行每秒8帧的拍摄，将图像用以太网的方式传给图像处理装置。

本实施例中的图像处理装置采用x86的平台架构处理器，运行windows7支持poe的图像采集卡，该图像采集卡将接收的图像转换为视频流，由运行在windows7上的识别程序通过pciex4读取视频流，将其切成所需要图像帧数后逐一识别图像上杂质并把杂质的中心点的坐标、宽和高通过坐标系转换模型转换成投射图像所在坐标系的特征中心点的坐标、宽和高，其中坐标系中x轴的下限为0上线为1920，y轴的下限为0，上限为1080，以这个坐标系表示一幅1920x1080的图像，然后将一个颜色为白色、对角线交点为特征中心点坐标、宽为特征的宽、高位特征的告的矩形画在一幅底色为黑色的1920x1080的图像上，并以hdmi的方式传输给图像输出装置。

本方案中的图像输出装置是支持hdmi接口输入和1920x1080的图像投射的投影仪，将接收到图像投射到流水线上，是工作人员能够快速地找到标识杂质的矩形框进而发现杂质及时排除。